文档介绍：摘要化问题,,因此本文应用了改进的实数遗传算法对时间序列模型中的参数进行估计。法;隽艘糯惴ǖ姆⒄购脱芯孔纯觯隽烁慕氖凳糯惴ǖ脑砗驮怂懔鞒蹋行深入的讨论与研究。研究内容及成果主要包括以龇矫妫砸糯惴ㄗ髁烁攀觯蛞=樯芰嘶疽糯惴的构成要素、运算流程和实现。阐述了实数遗传算法芯康姆⒄购脱芯孔纯觯致哿耸凳糯惴ㄌ氐恪1冉关键词:预测;时间序列分析;遗传算法;参数估计时间序列分析是动态数据分析处理的一种重要的方法,、自适应控制等请多方面,是一个具有相当高的实际价值的麻研究领域。随着时间序列分析方法的日趋成熟,其应领域越来越‘泛,对模型的精度提出了更高的要求。由于时间序列建模过程中的各种参数估计方法最终都会归结为高度非线性函数的优法作为求解复杂优化问题的手段应用时间序列模型的参数估计中来。遗传算法作为一种全局的优化算法,在处理高度非线性函数的优化问题中有着传统优化方法不可比拟的优越性,但在实际应用中也存在一定的缺陷,主要表现在算法的早熟现象、局部寻优能力差、收敛速度本文主要做了以下四方面的研究工作:凼隽搜芯渴奔湫蛄蟹治龅谋尘昂鸵庖澹结了目前的学科发展以及参数估计方法的研究现状:致哿硕约湫蛄蟹治鼋5睦砺鄯谑奔湫蛄蟹治龊鸵糯惴ǖ睦砺壑傅枷拢糯惴ㄒ胧奔湫蛄薪9讨校樯芰耸奔湫蛄屑捌湎喙氐幕靖拍睿治隽怂婊奔湫蛄械奶匦浴⒀芯恐械姆椒ㄐ工具以及时间序列的特征函数,分析并讨论了O跆逑怠=樯芰四夂夏P筒问兰频常用方法,对目前模型参数估计方法存在的不足作了一定的探讨。介绍了的理论和流程,以及线性最小方差预测的理论方法。全面地描述了目前实数编码遗传算法中常用的选择、交叉、变异算子及适应度函数,给出了改进的实数遗传算法的原理和运算流程。惺抵し治觯ɑ疽糯惴辍Ц慕凳糯惴ǚ直鹩τ玫绞奔湫蛄心P筒问辨识中,并与传统随机时间序列分析所辨识的模型精度进行比较,得出结论:在选定的误差指标下,应用本文中的改进实数遗传算法辨识参数后得到的时间序列模型拟合精度最高。岢隽薎籄姒建模方法,。
甌甌琩琣,.崎..琣,,,:.。..,.,,甌..畆篹
...:.痵瓸瑃篺:瓽,,、.琣畉瑃畐,畉篢
日期:舻拢日日期:叩年华月,口日签名:M罫动当劫舅日期:加哆年年月学位论文版权使用授权书独创声明叮坏娉蹦顾坑鄄罟冶鹬泵黧奎拦卫窒蚱渌逃沟难换蛑本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含未获得书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名:本学位论文作者完全了解学校有关保留、使用学位论文的规定,学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权学校可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮密后适用本授权书导师‘
⒄垢趴时间序列分析韵录虺啤笆毙蚍治觥是概率论与数理统计学科的一个分支,它是以概率统计学作为理论基础来分析随机数据序列虺贫菪蛄,并对其建立数学模型,即对模型定阶、进行参数估计,以及进一步应用于预测、自适应控制、最佳滤波等诸多方面。由于一元时间序列分析与预测在现代信号处理、经济、农业等领域占有重要的地位虼耍有关的新算法、新理论和新的研究方法层出不穷。目前,结合各种人工智能方法的时序分析模型的研究也在不断的深入。随着时序分析方法的日趋成熟,其应用领域越来越广泛,对模型的精度提出了更高的要求。建立一个精度高的时间序列模型过程是相当复杂的,其建模过程往往是动态进行的,各种参数精估计方法最终都会归结为非常复杂的非线性优化问题,一般采用梯度法来求解。传统的梯度优化方法需要可微的代价函数或平滑的搜索空间。而实际应用中,数据存在噪声使得这一条件并不一定得到满足。而且目标函数一般是多峰值的,梯度法有落入局部极小值的潜在危险,所以估计出的参数可信度较低,直接影响到模型的精度,,浪费了大量精力。由此而引起的各种负面影响已成为普遍关注和急需解决的问题。因此,对时序分析中参数估计方法的研究是时间序列建模与应用的重要课题。近年来,模拟生物进化过程的遗传算法作为求解复杂优化问题的有效手段被广泛应用到众多领域。遗传算法作为一种全局的优化算法,计算时